Skip to main content

Keras与TensorBoard

下面的示例展示了如何将ClearML集成到使用Keras和TensorBoard的代码中。 在脚本 或Jupyter Notebook中查看。

note

在Jupyter Notebook中的示例 包括一个可点击的图标，用于在Google Colab中打开笔记本。

示例脚本执行以下操作：

  1. 在Keras内置的MNIST数据集上训练一个简单的深度神经网络。
  2. 使用分类交叉熵损失目标函数构建一个顺序模型。
  3. 指定准确率作为指标，并使用两个回调函数：一个TensorBoard回调和一个模型检查点回调。
  4. 在脚本执行期间，在examples项目（在脚本中）或Colab notebooks项目（在Jupyter Notebook中）创建一个名为Keras with TensorBoard example的实验。

标量​

损失和准确度指标的标量图出现在SCALARS中，同时还有资源利用率图，标题为:monitor: machine。

image

直方图​

层密度的直方图显示在PLOTS中。

image

超参数​

ClearML 自动记录使用 argparse 生成的命令行选项，以及 TensorFlow 定义。

命令行选项出现在配置 > 超参数 > 参数中。

image

TensorFlow 定义出现在 TF_DEFINE 中。

image

控制台​

打印到控制台的训练进度文本，以及所有其他控制台输出，显示在控制台中。

image

配置对象​

在实验代码中，通过调用Task.connect()将配置字典连接到任务。

task.connect_configuration(
   name="MyConfig", 
   configuration={'test': 1337, 'nested': {'key': 'value', 'number': 1}}
)

它出现在配置 > 配置对象 > MyConfig中。

image